導語：大數據自適應學習分析模型研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：當前我國科學技術發展速度不斷加快，傳統教學模式已經無法滿足現階段人們的實際需求。在互聯網的背景下，人們對于個性化的重視程度不斷加深，在進行學習時，更喜歡用自己的方式。終身學習、碎片化學習以及移動學習等新興的學習方式，讓人們有更多的選擇。自適應學習可以滿足人們個性化的需求，因此當前對于自適應學習設計進行研究分析，可以為之后自適應學習系統的發展提供相關的理論依據。本文對于大數據分析以及應用現狀進行闡述，分析基于大數據的自適應學習模型，探討自適應學習設計未來發展趨勢，希望可以推動我國自適應學習方式得到進一步的發展。

關鍵詞：大數據；自適應學習；模型

現階段大數據以及互聯網等信息技術的新興，使遠程教育以及在線學習等自主方式得以實現。就目前的情況分析，我國普遍使用的網絡在線平臺有MoodleSaKai或者Blackboard等網站，這些平臺對于教師課程管理及教學管理較為重視，可以為人們提供更加自主的學習服務。但是其中學習界面、學習順序以及學習資源依舊屬于重復出現的狀態，無法較好地調動起人們的學習積極性。在大數據的前提下，可以使遠程教育將規模化和個性化達到一定的平衡，有效地滿足人們個性化需求。通過大數據分析，能夠對于學習者自身的學習特征、學習的實際規律以及學習者當前最為迫切的需求，進行認知，從而有針對性地進行自適應學習設計，打造個性化學習方式。利用大數據進行分析，得到的結果可以對學習者可能需求或者愛好的資源進行推薦，滿足其個性化需求。

一、大數據分析以及應用現狀

近些年來我國經濟發展速度增快，大數據分析技術受到了各個領域的重視。通過使用大數據技術，可以對于原始性的數據進行分析以及合理地推算預測，將所收集的數據直觀性地展現出來。但是也有人認為，大數據技術在進行分析的過程中，忽略了準確性，只是對于事物發生變化規律的分析，并沒有對其內在的因果進行分析。這使得我國自適應學習在發展的過程中，較難使用大數據分析技術。一方面是由于我國自適應學習設計數據除了具備數據量大的特點之外，還具備區域種類多、較為復雜，會出現較大的差異，并且對于某一塊學科自適應學習設計進行數據分析時，總量可能并不大，所以無法進行大數據分析技術的利用[1]。另一方面，我國自適應學習設計的相關數據之間存在著鮮明的區別，如果僅僅只是對于數據之間的關系變化進行分析，其中內在的因果無法進行確定，那么使用大數據分析技術得到的結果并無法保障實際價值。當前對于我國自適應學習設計的相關數據的特征進行科學合理地分析，建立相應的數據分析流程。在進行數據分析的時候，需要根據實際的具體情況將數據合理地運用在自適應學習設計分析流程中。所謂的數據準備并不僅僅是指數據的樣本，而是根據實際情況的目標分析，從數據庫中將有關的數據全部調取出進行準備，并且需要專業的技術人員，根據實際的情況對于調取出的數據進行挑選清理，將其中不符合常規、出現重復以及沒有實際作用的數據進行清理。在數據挖掘的過程中，需要與我國自適應學習設計實際情況相結合，根據數據的類型、格式以及出現的具體化問題進行分析。對于將發掘的方式進行綜合化的對比，選擇最合適的方式，便于我國自適應學習設計相關數據的整理，加快數據的處理效率，并對于數據所展示出的內在含義進行分析，得到其中存在的規律。專業的技術人員需要將根據實際情況采集到的數據進行分析處理，并且對結果結合實際情況，通過表面的問題找出內在的關系，進一步找到對于方案的優化措施，這一系列的行為便被稱為診斷剖析。在進行方案的優化過程中，應該具有針對性，可以對于其中的問題進行具體化分析，并且預測出方案進行后的效果，找出解決的措施。實施評價則是在進行方案的強化后，對于實施的效果進行評價，并且把實施之前以及實施之后的效果相對比，分析以及總結其中的不足之處，并且將其記錄到數據庫中，為之后的大數據分析進行鋪墊。應該注意的一點，便是在進行自適應學習設計大數據分析的過程中，需要進行不斷的優化，分析以及發展[2]。在數據分析流程中，如果其中某一環節沒有達到預期的效果，那么便相當于失敗。需要對于之前的每一步進行重新調整，保障數據分析達到預期的目標。除此之外，當數據不斷增加后，生產狀態會出現變動，這便需要不斷進行大數據分析以及方案優化，以便達到預期的目標效果。

二、基于大數據的自適應學習分析模型研究

（一）基于大數據的個性化自適應學習過程結構。第一，歷史數據庫。通過收集現有的學院人員、開設課程數量、獎勵等相關的歷史數據，建立數據庫，方便了解學習者在進行學習時最普遍化的特征。第二，在線學習平臺。對于現有的在線學習平臺進行分析，了解不同層次的教學任務，反映了不同的在線學習特征，并且將相關數據錄入歷史數據庫之中。第三，大數據進行分析的模塊。該模塊主要是在歷史數據庫的基礎之上，將學習者的學習相關數據以及課程的歷史數據，進行整合歸納分析，從而對學習者的特點進行預測，設定屬于他的設計方案。第四，個性化學習推薦引擎。該系統在進行大數據分析之后，會根據分析以及預測的實際結果，將學習者可能感興趣的內容、學習方式進行推送，保障學習者的實際需求，得到相應的滿足。（二）基于大數據的個性化自適應學習模型的設計。本文將大數據作為根本，建立具有個性化的自適應學習分析模型，如圖1。1.學習環境。所謂的自適應學習，就是一種個性化的學習方式，并不是獨立化的學習系統，學習環境之中需要有較為良好的組織反饋。這里所說的學習環境，主要是指學習資源、平臺以及工具等。自適應學了要組建學習平臺，還需要有較好的外部環境，例如博客或者維基等媒體。從而使學習參與者能夠利用各類學習環境，產生大量的數據，再利用大數據分析，對之后的學習者喜好預測、學習干預等提供相應的理論依據[3]。2學習分析。在進行學習分析時，除了要對于自適應學習平臺進行全面的分析，也要對相關的系統，還有相關的歷史數據進行分析。例如對于其他學習平臺中的歷史數據，在進行大數據分析之后，便可以對學習者具有的普遍特征進行定義，從而將其作為該學習平臺最基本的定義模板。在進行大數據分析時，最主要選擇的方式有統計法、個性化推薦、知識可視化以及網絡分析等。3目標。所謂目標，便是指學習者在進行自適應學習之后，應完成的目標。對于系統平臺進行分析，兩個最為重要的實現目標便是自適應以及個性化推薦。自適應主要是指，遠程學習方式中學習者可以主動自覺進行學習，并且根據自身實際情況，制定相應的學習計劃，自覺選擇合適的學習方案，對于自身進行自我評估。個性化推薦，則是指系統在對于學習者進行大數據分析之后，推薦學習者喜好并且需求的學習方式，從而滿足學習者的實際需求[4]。

三、自適應學習設計未來發展趨勢

（一）合理利用多媒體，便于學習者理解。教師在進行教學時，可以利用多媒體等先進的設備，使課堂的教學環境較為輕松活躍，提高學習者對于課程的學習興趣[5]。例如在學習芳香烴、鹵代烴、醇酚醛酮、羧酸、糖等有機化合物的性質時，使用多媒體加強對于知識點的認知。將有機化學實驗的知識點和現代的科學技術手段相結合，也更加符合當前現代化的學習管理理念。因此多媒體教學可以使得抽象的有機化學知識點具象化，并且還可以滿足學習者的個性化需求[6]。（二）使用慕課網絡在線教學資源。使用慕課時，學習者可以利用筆記本電腦、平板以及手機，對于課程進行學習。在學習的過程之中，可以依據自身的實際情況，選擇合適的時間以及地點進行反復性的觀看，從而保障自身未理解或者記憶不清的知識點可以學習透徹，加深學習者對于知識點的印象[7]。另外教師也可以通過慕課平臺對于學習者在線學習的情況進行統一的管理，例如課程觀看的時間，課后習題的錯誤率，討論問題的帖子數量等，這樣對于老師進行評判學習者成績的問題有著十分大的幫助[8]。

四、結論

所謂個性化學習，是當前人們長久以來期盼的一項愿望。近些年我國互聯網技術的快速發展，為個性化學習，提供了可以實現的數據平臺以及相應的技術能力。但是想要在當前真正實現個性化學習這一目的，不僅僅要依賴對于數據的深度分析以及挖掘，更要將自適應學習系統作為中介，從而保障學習者的個性化以及實際需求得到滿足，實現更加自由以及平等的可持續性教育。

參考文獻：

[1]張晨，等.基于多核學習的自適應DDoS攻擊檢測方法[J].計算機工程與科學，2019(8):1381-1389.

[2]袁霄，等.基于數據分析的初中生自適應學習系統的設計與開發[J].中國教育信息化，2019(10):87-90.

[3]張旭.人工智能背景下高職教育自適應學習模式可行性及發展路徑研究[J].信息記錄材料，2019(6):33-35.

[4]張玉川.基于大數據的自適應學習系統與教師因材施教的結合點——以對句酷網自動反饋的解讀為例[J].現代職業教育，2018(34):12-13.

[5]吳元君.基于教育大數據的個性化自適應學習服務研究——以安徽廣播電視大學為例[J].廣西民族師范學院學報，2019，36(3):77-78.

[6]史玉琢.人工智能+校企協同育人云平臺數據支持下的自適應學習研究[J].信息記錄材料，2019(5):243-244.

[7]郭海湘，等.基于差分演化的自適應集成學習算法在不均衡數據分類中的應用[J].系統工程理論與實踐，2018，38(5):1284-1299.

[8]李玲靜，汪存友.學習分析支持下的自適應學習平臺[J].成人教育，2019(7):29-34.

作者:王玉瓊 單位:阜陽職業技術學院